MATERI KOMPRESI CITRA (IMAGE PROCESSING)

 DOWNLOAD FILE : DOWNLOAD

NONTON VIDEO : NONTON

   Kompresi Citra (Image Compression) atau pemampatan citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi dari data-data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien.

 

MENGAPA PERLU KOMPRESI CITRA?

 

Data citra umumnya berukuran besar

Tidak praktis dalam aspek penyimpanan dan proses transmisi

Perlu reduksi atau pemampatan data dengan mengurangi redundancy  atau duplikasi data

 

PRINSIP UMUM PROSES
KOMPRESI CITRA

   Mengurangi duplikasi data di dalam citra sehingga memori yang dibutuhkan untuk merepresentasikan citra menjadi lebih sedikit daripada representasi citra semula

 

 

PROSES UTAMA DALAM PERSOALAN KOMPRESI CITRA

1.   Kompresi/pemampatan citra (image compression)

  Pada proses ini, citra dalam representasi tidak mampat dikodekan dengan representasi yang meminimumkan kebutuhan memori. Citra dengan format bitmap pada umumnya tidak dalam bentuk terkompresi/mampat.

2.   Dekompresi/penirmampatan citra (image decompression)

  Citra yang sudah dikompresi harus dapat dikembalikan lagi (decoding) menjadi representasi yang tidak mampat. Proses ini diperlukan jika citra tersebut ditampilkan ke layar atau disimpan kedalam arsip dengan format tidak terkompresi.

 

   

TEKNIK KOMPRESI CITRA

Lossy Compression: 

lUkuran file citra menjadi lebih kecil dengan menghilangkan beberapa informasi dalam citra asli. 

lTeknik ini mengubah detail dan warna pada file citra menjadi lebih sederhana tanpa terlihat perbedaan yang mencolok dalam pandangan manusia, sehingga ukurannya menjadi lebih kecil.

 

lLossy Compression: 

lBiasanya digunakan pada citra foto atau image lain yang tidak terlalu memerlukan detail citra, dimana kehilangan bit rate foto tidak berpengaruh pada citra.

  

lLoseless Compression:

¡Teknik kompresi citra dimana tidak ada satupun informasi citra yang dihilangkan.

¡Biasa digunakan pada citra medis.

¡Metode loseless: Run Length Encoding, Entropy Encoding (Huffman, Aritmatik), dan Adaptive Dictionary Based (LZW)

 

lBeberapa teknik loseless:

¡Color reduction: untuk warna-warna tertentu yang mayoritas dimana informasi warna disimpan dalam color palette.

¡Chroma subsampling: teknik yang memanfaatkan fakta bahwa mata manusia merasa brightness (luminance) lebih berpengaruh daripada warna (chrominance) itu sendiri, maka dilakukan pengurangan resolusi warna dengan disampling ulang.  Biasanya digunakan pada sinyal YUV.

 

Pengukuran Error Kompresi Citra

lDalam kompresi image terdapat suatu standar pengukuran error (galat) kompresi:

lMSE (Mean Square Error), yaitu sigma dari jumlah error antara citra hasil kompresi dan citra asli.

lPeak Signal to Noise Ratio (PSNR), yaitu untuk menghitung peak error.

lNilai MSE yang rendah akan lebih baik, sedangkan nilai PSNR yang tinggi akan lebih baik.

 

KRITERIA KOMPRESI CITRA

lWaktu kompresi dan dekompresi

lKebutuhan memori

lKualitas Kompresi (fidelity)

lFormat keluaran

 

 

WAKTU KOMPRESI & DEKOMPRESI

lWaktu kompresi dan dekompresi citra sebaiknya cepat.

 

KEBUTUHAN MEMORI

   Memori yang dibutuhkan untuk merepresentasikan citra seharusnya berkurang secara berarti. Citra yang mengandung banyak duplikasi umumnya berhasil dikompresi dengan memori yang lebih sedikit dibanding citra yang mengandung banyak objek.

 

KUALITAS  KOMPRESI
 (FIDELITY)

lInformasi yang hilang akibat pemampatan seharusnya seminimal mungkin sehingga kualitas hasil kompresi tetap dipertahankan.

lKualitas sebuah citra bersifat subyektif dan relatif.

lAkan tetapi ada standar pengukuran kualitas hasil kompresi yaitu menggunakan besaran PSNR (peak signal to noise ratio). PSNR dihitung untuk mengukur perbedaan antara citra semula dengan citra hasil kompresi.

 

Rumus PSNR:

 

 

 Ket:

   b: nilai sinyal terbesar, biasanya b=255

    rms: akar pangkat dari selisih antara raw   image dengan citra hasil kompresi

 

 

   Nilai rms dapat dihitung dengan

 

  rumus:

 

 

l

 

l

Ket:

  N,M= dimensi citra

   fij = nilai pixel citra asli

    f’ij = nilai pixel citra hasil kompresi

 

 

   Nilai PSNR berbanding terbalik dengan rms. Sehingga kualitas yang baik adalah jika nilai PSNR tinggi, dan nilai rms rendah.

 

 

   Format citra hasil kompresi sebaiknya cocok untuk pengiriman dan penyimpanan data. Pembacaan citra bergantung pada bagaimana citra tersebut direpresentasikan

 

PENDEKATAN DALAM
 KOMPRESI CITRA

1. Pendekatan Statistik

  Kompresi citra didasarkan pada frekuensi  kemunculan derajat keabuan pixel di dalam seluruh bagian gambar.

  contoh metode: Huffman Coding

2. Pendekatan Ruang

  kompresi citra didasarkan pada hubungan spasial antara pixel-pixel di dalam suatu kelompok yang memiliki derajat keabuan yang sama di dalam daerah gambar

  contoh metode: Run-Length Encoding

 

3. Pendekatan Kuantisasi

  kompresi citra dilakukan dengan mengurangi jumlah derajat keabuan yang tersedia

  contoh metode: metode pemampatan kuantisasi

4. Pendekatan Fraktal

  kompresi citra didasarkan pada kenyataan bahwa kemiripan bagian-bagian di dalam citra dapat dieksploitasi dengan suatu matriks transformasi

  contoh metode: Fractal Image Compression

 

REFERENSI

Bose, Tamal. 2003. Digital Signal And Image Processing. John Wiley & Sons,Inc. United State of America

Gonzalez, Rafael & Woods, Richard. 2002. Digital Image Processing. Second Edition. Prentice-Hall,Inc, New Jersey

Munir,Rinaldi.2004. Pengolahan Citra digital dengan Pendekatan Algoritmik. Bandung:Informatika